在國際空間站（ISS）的復雜環境中，一款僅烤面包機大小的機器人剛剛完成了自主導航的關鍵突破。斯坦福大學科研團隊開發的新型控制系統，首次在太空真實場景中驗證了基于機器學習的路徑規劃技術，為未來高度自主的太空任務奠定了基礎。這項成果已在2025年國際空間機器人大會（iSpaRo）上公開，標志著軌道機器人技術進入新階段。

實驗以國際空間站現有的立方體形自由飛行機器人“Astrobee”為載體，研究人員為其加裝了自主決策系統。這套系統使機器人能夠在無需宇航員實時操控的情況下，安全穿越空間站內布滿實驗設備、計算機和線纜的狹窄通道。項目負責人索姆麗塔·班納吉指出，太空環境的特殊性對算法提出了嚴苛要求：星載計算機的計算能力遠低于地面設備，而微重力環境中的運動不確定性則要求更高的安全冗余。

為解決計算效率問題，研究團隊創新性地結合了序列凸規劃與機器學習技術。他們首先構建了基于數學優化的路徑生成框架，確保所有解決方案嚴格滿足安全約束條件。隨后，通過數千次地面模擬實驗積累的歷史數據，訓練出一個能夠提供“經驗起點”的神經網絡模型。班納吉比喻道：“就像規劃跨城路線時，系統會優先參考人類常用的通行路徑，而非從零開始計算直線距離?！?/p>

在NASA艾姆斯研究中心的微重力模擬平臺上完成預測試后，該系統于國際空間站展開正式驗證。實驗過程中，宇航員僅需完成初始設置與設備回收，后續操作全部由地面團隊通過約翰遜航天中心的遠程指令系統控制。研究團隊設計了18組對比測試，每組軌跡分別采用傳統“冷啟動”與AI輔助“熱啟動”模式執行。結果顯示，在穿越狹窄空間或需要復雜旋轉的場景中，新型系統的規劃速度提升了50%至60%。

NASA技術評估體系將該系統認定為技術就緒等級5級，這意味著其已在真實太空環境中完成關鍵驗證。當前版本的系統已具備處理動態障礙物的能力，能夠實時調整路徑以避開移動的實驗設備或宇航員。研究論文資深作者馬爾科·帕沃內透露，團隊正開發基于Transformer架構的新一代模型，這類架構已廣泛應用于自動駕駛與大語言模型領域，有望進一步提升機器人在深空環境中的自主決策水平。

這項突破直接回應了太空探索的迫切需求。隨著月球基地建設與火星探測任務的推進，未來機器人需要具備在遠離地球的深空環境中獨立工作的能力。班納吉強調：“當地球與探測器的通信延遲達數十分鐘時，依賴地面遙操作將不再可行?！毙滦涂刂葡到y的成功驗證，為構建完全自主的太空機器人網絡邁出了關鍵一步。